Instytut dołączył do Polskiego Klastra IoT & AI SINOTAIC

Instytut został członkiem Polskiego Klastra IoT & AI SINOTAIC.

Klaster ma na celu przede wszystkim wykorzystanie potencjału podmiotów działających w Polsce w obszarze Internetu Rzeczy, poprzez m.in. integrację podmiotów działających w Polsce w obszarze Internetu Rzeczy i Sztucznej Inteligencji oraz tworzenie rozwiązań w zakresie IoT i AI we współpracy z instytutami badawczymi, uczelniami oraz odbiorcami docelowymi.

W zestawieniu World’s TOP 2% Scientists 2022 znalazło się dwóch naszych pracowników, prof. Erol Gelenbe i Prof. Jerzy Klamka

Dwóch naszych pracowników, prof. Erol Gelenbe i Prof. Jerzy Klamka, znalazło się w zestawieniu World’s TOP 2% Scientists 2022, uwzględniającym badaczy, których publikacje są najczęściej cytowane przez innych autorów na świecie. Ranking opracował Uniwersytet Stanforda we współpracy z wydawnictwem Elsevier w oparciu o dorobek naukowy badaczy, a kryteriami są m.in. liczba cytowań indeks Hirscha.
 

Prof. Erol Gelenbe otrzymał medal i dyplom Polskiego Towarzystwa Sieci Neuronowych

Prof. Erol Gelenbe otrzymał w czasie ICAISC 2024 (The 23th International Conference on Artificial Intelligence and Soft Computing, Zakopane 16-20 czerwiec) medal i dyplom Polskiego Towarzystwa Sieci Neuronowych. Wyróżnienie przyznano za wynalezienie sieci G (G-networks) i losowych sieci neuronowych (Random Neural Networks).

Zapytanie ofertowe. Modernizacja systemu kontroli dostępu

Przedmiotem zamówienia jest dostawa, instalacja oraz uruchomienie sprzętu i oprogramowania wg wymagań zamieszczonych w załączeniu.

Termin składania ofert upływa w dniu 16.07.2024 o godzinie 12:00.

Pytania i odpowiedzi dotyczące postępowania

1) Czy kamera z wideodomofonu przy wejściu głównym może zastąpić kamerę nad planowanym panelem domofonu?

Termin składania ofert

Instalacja fotowoltaiczna wraz z magazynem energii dla Instytutu Informatyki Teoretycznej i Stosowanej PAN i Instytutu Inżynierii Chemicznej PAN

Nasz Instytut, wraz z Instytutem Inżynierii Chemicznej PAN, rozpoczął realizację projekt mającego na celu budowę instalacji fotowoltaicznej wraz z magazynem energii na potrzeby obu Instytutów. Planujemy, iż już pod koniec 2024 roku, na terenie współużytkowanym przez Instytuty powstanie instalacja fotowoltaiczna o mocy co najmniej 44 kWp i prognozowanej produkcji energii ok. 41 MWh rocznie, wraz z magazynem energii dostosowanym do potrzeb instalacji. Umożliwi to zastąpienie części energii pobieranej przez oba Instytuty z sieci elektroenergetycznej wytwarzaną lokalnie energią ze źródła odnawialnego.

Instytut rozpoczyna realizację projektu w ramach programu IMPRESS-U

Instytut rozpoczął realizację projektu pt "Analiza przywracania funkcjonowania poprzez testy obciążeniowe odporności infrastruktury na Ukrainie". Projekt jest dofinansowany w ramach programu IMPRESS-U, realizowany we współpracy zespołami dra Rafaela Munoz-Carpeny z Uniwersytetu na Florydzie w USA, dra Volodymyra Artemchuka z G.E. Pukkov Institute for Modeling in Energy Engineering NAS w Ukrainie, Prof. Mariusa Laurinaitis z litewskiego Uniwersytetu Michała Römera oraz dra Andriia Chuba z Uniwersytetu Technicznego w Tallinie.

Instytut włączony w międzynarodowy Projekt ReACTIVE Too

IITIS PAN dołączył do projektu pt. „Niezawodna elektronika dla aktywnych systemów przyszłości" (ReACTIVE Too). Projekt jest realizowany w ramach międzynarodowego programu HORYZONT 2020 w ramach działań „Maria Skłodowska-Curie" (MSCA).  Jego celem jest prowadzenie badań nad projektowaniem niezawodności systemów elektronicznych, obejmując wprowadzenie zwinnego cyklu rozwoju sprzętu z technikami wirtualnymi, co pozwoli wspierać walidację aktywnych systemów bezpieczeństwa.

Klasyfikacja z wykorzystaniem dużych modeli językowych (LLM) wspomaganych przez lasy losowe

Prelegent

Michał Romaszewski

Date

Abstrakt

Duże modele językowe (ang. Large Language Models, LLM) są w ostatnim czasie intensywnym obszarem badań. Ich kompetencje w syntezie, streszczaniu i tłumaczeniu tekstu, są już dobrze znane. Jednak ich zastosowanie w klasycznych zadaniach uczenia maszynowego, takich jak klasyfikacja, pozostaje obszarem nowym i słabo zbadanym.